автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.12, диссертация на тему:Автоматизация вариантного проектирования конструкций на основе систем агентов с адаптивным поведением

На правах рукописи

КОЗЫРЕВА Виктория Викторовна

АВТОМАТИЗАЦИЯ ВАРИАНТНОГО ПРОЕКТИРОВАНИЯ КОНСТРУКЦИЙ НА ОСНОВЕ СИСТЕМ АГЕНТОВ С АДАПТИВНЫМ ПОВЕДЕНИЕМ (на примере стержневых систем)

Специальность: 05.13.12 - Системы автоматизации проектирования (строительство)

АВТОРЕФЕРАТ 5 ДЕК 2013

диссертации на соискание ученой степени кандидата технических наук

Москва - 2013

005541726

Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Московский государственный строительный университет» (ФГБОУ ВПО «МГСУ»).

Научный руководитель:

доктор технических наук, профессор Волков Андрей Анатольевич Официальные оппоненты:

Коргин Андрей Валентинович, доктор технических наук, профессор, Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Московский государственный строительный университет», профессор кафедры испытаний сооружений

Латышев Григорий Владимирович, кандидат технических наук, Общество с ограниченной ответственностью (ООО) «Научно-технический и конструкторско-технологический центр СтройГруппАвтоматика», генеральный директор

Ведущая организация:

Открытое акционерное общество (ОАО) «Моспроект».

Защита состоится 19 декабря 2013 года в 15.00 на заседании диссертационного совета Д212.138.01 на базе ФГБОУ ВПО «Московский государственный строительный университет» по адресу: 129337, г. Москва, Ярославское шоссе, д. 26, «Открытая сеть образования в строительстве», ауд. №9.

С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО «Московский государственный строительный университет».

Автореферат разослан 19 ноября 2013 года.

Ученый секретарь диссертационного совета

Куликова Екатерина Николаевна

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность исследования. Современные темпы проектирования и строительства зданий и сооружений накладывают свои требования к качеству проектных решений. От инженера-проектировщика сейчас требуется не только запроектировать конструкцию, отвечающую требованиям прочности, устойчивости и деформативности, но и получить технологически и экономически более эффективное решение. Это возможно сделать только в процессе вариантного проектирования, когда происходит анализ множества вариантов конструкции по комплексу технико-экономических показателей. «Ручная» реализация данного процесса весьма трудоемка и требует много времени, что в результате позволяет разработать более или менее детально 1-3 варианта. В результате в процесс вариантного проектирования конструкций приходится привлекать средства вычислительной техники.

Современные системы автоматизации вариантного (оптимального) проектирования строительных конструкций базируются на подходе к поиску решения задачи, предполагающем проведение итерационной процедуры последовательного применения двух процессов: конечно-элементного анализа конструкции с целью определения параметров НДС конструкции и преобразования переменных проектирования на основе используемого метода оптимизации по полученным значениям. Однако данный подход обладает большим недостатком: скорость вычислений при нем напрямую зависит от количества итераций, необходимых для поиска решения, задаваемых применяемым методом оптимизации и объемом пространства поиска.

Решением данной проблемы может быть применение систем автоматизации, реализующих процедуру параллельной оптимизации. Такими системами могут стать многоагентные системы, построенные на базе теории автоматной оптимизации.

В связи с этим разработка предложенных систем для вариантного проектирования конструкций в настоящее время приобретает наибольшую актуальность.

Научно-техническая гипотеза состоит в предположении возможности функционального расширения современных систем автоматизации проектирования в части вариантного проектирования конструкций и повышения эффективности процессов и результатов проектирования стержневых систем на основе применения многоагентной системы, функционирующей на базе агентов с адаптивным поведением.

Целью диссертационной работы является разработка научных и методических принципов построения систем автоматизации вариантного проектирования строительных конструкций путем применения многоагентной системы (MAC), функционирующей на базе агентов с адаптивным поведением.

Для достижения поставленной цели решены следующие задачи:

1) анализ научных и практических работ в области вариантного и оптимального проектирования конструкций и средств их автоматизации;

2) анализ существующих подходов и методов автоматизации вариантного проектирования строительных конструкций;

3) формализация задачи вариантного проектирования конструкций в рамках мультиагентного подхода;

4) разработка общей структуры MAC;

5) построение метода оптимизации строительной конструкции на основе системы автоматов с адаптивным поведением;

6) разработка модели многоагентной системы вариантного проектирования конструкций, включающая в себя модели агентов и схему их взаимодействия;

7) выбор архитектуры многоагентной системы (MAC) вариантного проектирования конструкций и архитектуры агентов;

8) разработка алгоритмов основных функциональных блоков программных агентов;

9) внедрение и апробация работы в практику вариантного проектирования конструкций;

10) формулировка перспективных направлений исследования.

Объектом исследования является процесс вариантного проектирования

конструкций.

Предметом исследования выступает автоматизация вариантного проектирования строительных конструкций.

Методологическая база исследования. Для исследования использованы основные научные положения теории построения САПР, системного анализа и синтеза проектных решений САПР, математического моделирования, численной оптимизации, теории принятия решений, теории автоматов и методов автоматной оптимизации, теории агентов и многоагентных систем, теории функциональных систем П.К. Анохина, модели и методы искусственного интеллекта, в частности, направления исследования «Машинное обучение», «Биологическое моделирование искусственного интеллекта», «Адаптивное поведение», и методы математического программирования. Проведены эмпирические исследования с целью нахождения взаимосвязей между заданными параметрами. Результаты выполненной работы базируются на методах исследования теории и практики автоматизированного проектирования. С целью анализа эффективности разработанных методов проведены численные эксперименты.

Научная новизна работы заключается в создании:

1) метода автоматизации вариантного проектирования стержневых конструкций на основе применения системы агентов с адаптивным поведением;

2) модели многоагентной системы (MAC) вариантного проектирования конструкции;

3) моделей основных агентов MAC;

4) алгоритмов основных функциональных блоков агентов.

Практическая значимость заключается в разработке моделей, методов и

алгоритмов для автоматизации вариантного проектирования строительных конструкций, позволяющих сократить сроки проектирования, а также повысить

качество проектных решений. Предложенные модели и методы могут быть внедрены в современные расчетные комплексы с целью повышения конкурентных преимуществ, а также использоваться в учебном процессе при изучении дисциплин «Конструкторские подсистемы САПР» и «Интеллектуальные подсистемы САПР».

На защиту выносятся положения, составляющие научную новизну и практическую значимость диссертационного исследования.

Апробация. Содержание и результаты диссертации неоднократно докладывались на российских и международных конференциях (Международной научной конференции «Интеграция, партнерство и инновации в строительной науке и образовании» (Москва, 2013г.), The 14th International Conference on Computing in Civil and Building Engineering - 14th ICCCBE (Moscow, June 27-29, 2012), (Международная конференция по компьютеризации в строительстве) и др.), обсуждались и одобрены на секции Научно-методического совета по информационным системам и технологиям науки и образования в области строительства (НМС ИСТ) при Международной Ассоциации строительных вузов (АСВ) и Учебно-методическом объединении (УМО) вузов Российской Федерации по образованию в области строительства (2011-2013 гг.), заседаниях и семинарах кафедры Информационных систем, технологий и автоматизации в строительстве (ИСТАС) федерального государственного бюджетного учреждения высшего профессионального образования «Московский государственный строительный университет» (ФГБОУ ВПО «МГСУ») (2011-2013 гг.). Результаты работы прошли практическую апробацию в деятельности Общества с ограниченной ответственностью «ГК «ЭкоИнтелТех»».

Публикации. Основные результаты представленной диссертации опубликованы в 6 научных работах. 3 работы опубликованы в научных изданиях, входящих в действующий перечень российских рецензируемых научных журналов, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней доктора и кандидата наук.

Структура и объем работ. Диссертация состоит из введения, четырех глав, основных выводов и предложений, библиографического списка из 125 наименований и приложений.

Содержание представленного исследования соответствует п.п. 1, 2, 3 Паспорта специальности 05.13.12 - Системы автоматизации проектирования (строительство).

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность выбранной темы диссертационной работы, определены цели и задачи исследования, а также объект и предмет исследования, сформулирована научная новизна и практическая значимость, приведены основные положения, выносимые на защиту.

В первой главе данной работы был проведен анализ процесса вариантного проектирования строительных конструкций как процесса синтеза и анализа сложных технических систем. Было выявлено, что задача вариантного проектирования может быть сведена к задаче условной параметрической оптимизации на дискретном конечном множестве поиска. Для поставленной задачи была определена математическая модель, регулируемые и нерегулируемые параметры, ограничения, наиболее часто используемые критерии выбора оптимального варианта. Дан обзор существующих методов оптимизации строительных конструкций, а также подходов к построению систем автоматизированного проектирования (САПР) оптимальных конструкций, используемых как в «легких» (ЛИРА, SCAD, MicroFE и т.д.), так и «тяжелых» (ANSYS, NASTRAN, COSMOS и т.д.) САПР инженерного анализа (CAE).

В процессе обзора было выявлено, что все существующие методы оптимизации имеют одинаковую структуру поиска решения (состоят из двух этапов поиска - выбора направления и определения шага поиска) и общую схему автоматизации, состоящую в итерационной процедуре последовательного применения двух процессов: процесса анализа конструкции с помощью метода конечных элементов (МКЭ) с целью определения значений внутренних усилий и перемещений, возникающих при действии заданных нагрузок; процесса преобразования переменных проектирования на основе полученных значений, соотношений, выведенных из критериев оптимальности и применяемых методов численной оптимизации. Основное преимущество данной схемы состоит в том, что в ней число переменных проектирования не зависит от числа конечных элементов, используемых в расчетной модели, а сама схема является универсальной, поскольку позволяет применить любые методы оптимизации в процессе поиска решения. Однако, вышеприведенная схема обладает и большим недостатком: продолжительность вычислений по ней зависит от двух параметров: скорости расчета конструкции с помощью метода конечных элементов (МКЭ) и количества итераций, необходимых для поиска решения, зависящего от применяемого метода оптимизации.

Скорость вычислений по МКЭ зависит напрямую от количества конечных элементов, используемых при расчете конструкции. Она может быть уменьшена за счет введения более совершенных типов конечных элементов, либо путем ускорения процедуры конечно-элементного анализа. Однако реализовать это достаточно сложно, тем более, что в большинстве случаев модуль оптимизационных расчетов сопрягается с уже имеющимся в программной системе модулем конечно-элементного анализа конструкций. Таким образом, получается, что варьируемым параметром для изменения скорости вычислений может быть только количество итераций.

Количество итераций и тем более результативность решения задачи, в свою очередь, зависят от используемого метода оптимизации и объема множества альтернатив (пространства поиска). Наиболее универсальными, простыми в реализации и эффективными методами в настоящее время являются методы случайного поиска и вытекающие из них методы «природных

вычислений», в частности эволюционные и генетические алгоритмы. Они позволяют решать задачи нахождения локального и глобального оптимума для достаточно сложных задач большой размерности. Явным «лидером» среди них по скорости вычислений является генетический алгоритм, построенный на природном механизме естественного отбора. Однако структура данного метода является «слепой» поисковой структурой, это означает, что в процессе поиска не происходит анализа поведения самой системы (возможного взаимовлияния элементов, характера изменений напряжений из-за перераспределения усилий и т.д.). Кроме того, скорость генетического алгоритма значительно зависит от объема области поиска. Уменьшение последнего возможно только путем построения «первичных фильтров» вариантов в форме аппроксимации области допустимых значений для отбрасывания явно «ненесущих» вариантов конструкций. Построение таких «фильтров» является весьма сложной задачей, поскольку область допустимых значений регулируемых параметров является несвязной, невыпуклой и в основном образованной ограничениями, связывающими переменные проектирования в неявной форме.

Решением представленных проблем может быть разделение процесса поиска на ряд параллельно решаемых задач. Это позволит повысить скорость вычислений и разделить общее пространство поиска на небольшие области, для которых станет намного легче построение «первичных фильтров». Наилучшим образом для реализации предложенного решения проблемы подходят многоагентные системы (MAC), построенные на базе теории автоматной оптимизации. Они представляют собой совокупность информационно-связанных программных агентов, чье поведение базируется на адаптивных принципах взаимодействия со средой. Благодаря такой структуре, MAC изначально обладают свойством параллельности. Кроме того, они способны обращаться к деталям индивидуальных поведенческих взаимодействий, что во многих случаях оказывается намного более эффективным, чем эволюционные и генетические методы.

Для осуществления поставленной цели исследования была предложена следующая методологическая схема (рис. 1).

Вторая глава посвящена разработке основных принципов проектирования оптимальных конструкций на основе мультиагентных технологий на примере стержневых систем.

Ставится задача оптимизации строительной конструкции по критерию минимального объема. Предполагается, что топология и материал конструкции известны и не изменяются в процессе решения задачи. Нагрузки, действующие на систему, также определены и являются квазистатическими. Определяются регулируемые параметры. В качестве них приняты жесткостные (J) и геометрические (G) параметры элементов конструкции, составляющих в совокупности вектор параметров проектирования X:

X={xl,...,Xg},xi=<J,G>, (1) где п — число элементов конструкции.

I Цель - повышение эффективности процесса I проектирования строительных конструкций, в | частности, автоматизации вариантного | проектирования конструкций на основе агентного I метода.

Объект исследования - автоматизация вариантного проектирования конструкций.

т

|Задачи:

I) анализ научных и практических работ в | области вариантного и оптимального j проектирования конструкций и средств их !автоматизации;

j 2) анализ теории и практики проектирования и ] разработки агентов с адаптивным поведением и | построения на их базе многоагентных систем (MAC); | 3) построение агентного метода вариантного ' проектирования конструкций;

| 4) разработка модели многоагентной системы ! вариантного проектирования конструкций, ! включающая в себя модели агентов и схему их j взаимодействия;

i 5) выбор архитектуры многоагентной системы (MAC) вариантного проектирования конструкций и архитектуры агентов;

I 6) разработка алгоритмов основных I функциональных блоков программных агентов; I 7) внедрение и апробация работы в практику I вариантного проектирования конструкций; | 8) формулировка перспективных направлений ; исследования.

L

М

Предмет исследования -агентно-ориентированный подход, агенты с адаптивным поведением и многоагентные .

системы, составленные из них. I

♦

Область исследования -программная . реализация вариантного и оптимального ( проектирования конструкций, |

программные расчетные комплексы, ' многоагентные системы, адаптивное | поведение

I Практический результат:

I - разработка агентного метода автоматизации ! вариантного проектирования строительных I конструкций на базе агентно-ор и ентиро ванного | подхода и агентов с адаптивным поведением I - разработка модели и архитектуры многоагентной | системы и ее составляющих, а также алгоритмов | основных функциональных блоков многоагентной системы.

X

Методологические и теоретические основы:

•теория построения САПР, •системный анализ и синтез проектных решений САПР,

- математическое моделирование,

- методы оптимизация и принятия решений,

- агентно-ориентированное программирование,

- методы искусственного интеллекта (машинное обучение, адаптивное поведение, нейронные сети),

- методы математического моделирования,

-тематические публикации и результаты исследований отечественных и зарубежных ученых и специалистов в области совершенствования практики разработки и применения строительных САПР

I Реализация на практике

I Внедрение результатов исследования

Научная новизиа:

-агентный метод автоматизации вариантного проектирования конструкций на основе системы агентов с адаптивным поведением;

• модели многоагентной системы (MAC) вариантного проектирования конструкции, включающая в себя модели агентов и схему их взаимодействия;

- архитектуры многоагентной системы (MAC) и архитектуры агентов;

- алгоритмы основных функциональных блоков системы и агентов.

Рис.1. Общая методологическая схема исследования

Задаются ограничения, действующие в системе: условия прочности и устойчивости стержней, ограничения по жесткости и геометрическим размерам, условие общей устойчивости конструкции, геометрической неизменяемости системы, совместности деформаций, равновесия узлов в конечно-элементной модели. Все ограничения выражаются в форме логических функций вида

Г условие выполнено ' 10, условие _не ^выполнено

и делятся на три группы по количеству и типу задействованных переменных проекта: элементные (Фе), межэлементные (Фме) и системные (Фс). Строится математическая модель задачи оптимизации, заключающаяся в подборе вектора X при критериях

1=1

Фк=ФеГ\Фме[)Фс^>1- (3)

Анализируются возможности применения мультиагентных технологий для поддержки процессов принятия решений при оптимальном проектировании конструкций. Дается определение программного агента. Проводится классификация видов агентов, рассматриваются принципы и основные методологии построения мультиагентных систем и сферы их применения.

В соответствии с мультиагентным подходом проводится преобразование процесса оптимального проектирования. Выделяются четыре типа функциональных ролей (блоков), которые могут быть реализованы в форме программных агентов:

1. «МКЭ-анализ» - проводит конечно-элементный анализ конструкции с выдачей результатов о значениях внутренних узловых усилий и перемещений в элементах конструкции;

2. «Подбор параметров» - в соответствии с выбранным методом оптимизации осуществляет процесс поиска новых значений регулируемых параметров, определяет направление поиска и шаг;

3. «Управление решением задачи» - определяет результат решения задачи на текущем шаге и необходимость совершения еще одной итерации поиска;

4. «Общесистемное информационное пространство» - реализует функцию памяти и обмена информацией между другими ролями системы, хранит текущее значение параметров управления и целевых функций, а также и историю процесса решения задачи.

Каждой роли прописываются связанные с ее функционированием ресурсы и определяется характер доступа к ним. Строится модель взаимодействия ролей (рис. 2).

Рассматривается возможность распараллеливания вычислений в блоке «Подбор параметров», отвечающем за оптимизацию строительной конструкции. В качестве теоретической базы для построения решения используется теория автоматов, а сам блок строится по принципу системы автоматной оптимизации (CAO). Вводится понятие автомата с целесообразным поведением.

На базе CAO строится метод решения задачи с использованием системы автоматов оптимизации, согласно которому вся конструкция разбивается на части по количеству элементов конструкции или групп унификации элементов. В соответствии с этим преобразуется математическая модель задачи вариантного проектирования строительной конструкции: общая задача оптимизации (3) делится на несколько частных, которые разбиваются на две группы: элементные (4) и системные (5):

Vi(Xf)^min, (4)

Ф?(Х?)^ I;

\фме(х\,...,хке)-+1, (5)

[ Фс(Х)-> 1.

Решение задачи элементного уровня поручается отдельному автомату оптимизации, который осуществляет управление доверенными ему переменными элемента конструкции по правилу:

к,+1=и,+/г, (6)

где /г - величина приращения регулируемого параметра.

Решение общей задачи производится за счет организации целесообразного поведения всего коллектива автоматов на базе системы уравнений (5).

Разрабатывается модель автомата оптимизации для решения безусловной и условной задачи оптимизации. Вводится понятие «безусловного» автомата оптимизации. Определяются входной, выходной алфавиты, а также множество возможных состояний автомата. В качестве входного алфавита рассматривается вектор содержащий два значения: 0 при А>0 и 1 при А1< <0.

Выходной алфавит образуется из четверок возможных значений приращения переменной проектирования:

к -={+а,--а, 0,|А (7)

где а - некоторое постоянное значение величины шага,

4 - случайное значение величины шага.

Количество таких четверок определяется количеством регулируемых параметров элемента конструкции.

Процесс решения задачи выбора выходного сигнала к по входу рассматривается как стохастический марковский процесс принятия решения, который может быть представлен в форме графа перехода и аналитически - в форме стохастической матрицы Ц^^Ц- Вероятности переходов, а, следовательно, и выбор соответствующего действия, определяются в процессе обучения автомата по методу обучения с подкреплением БАЯЗА с жадной стратегией выбора. Для улучшения процесса обучения рассматривается возможность использования модели среды для организации планирования действий и прогнозирования возможного результата поведения.

На базе автомата, решающего задачу безусловной оптимизации, строится новый тип автомата - с адаптивным поведением (АА - автомат). При этом частная задача условной оптимизации (4) рассматривается как двухкритериальная, в качестве дополнительной целевой функции используется логическая функция выполнения условий элементных ограничений

АА-автомат представляет собой совокупность двух «безусловных» автоматов, каждый из которых решает задачу в рамках порученной ему целевой функции (либо )->тт, либо

Переключение между этими автоматами осуществляется на основе системы мотиваций, при которой каждый «безусловный» автомат рассматривается как функциональная система основного автомата с адаптивным поведением. Система мотиваций имеет иерархическую структуру: наибольшим приоритетом

обладает мотив 0f(Xf)—^l. Он организует гомеостатический характер управления поведением АА-автомата поиска.

Решение задачи оптимизации системного уровня (5), а также организация целесообразного поведения системы АА-автоматов, осуществляется за счет введения (помимо предусмотренных методом SARSA локальных вознаграждений ( ге) «безусловных» автоматов за совершаемые ими действия по достижению цели) системных вознаграждений (гфме и Гфс) за соблюдение

условий (5). Таким образом, общее вознаграждение, задающее целесообразность поведения АА-автомата, складывается из трех составляющих:

г=ге+гфме+гфс (8)

Блок-схема разработанного метода на основе системы автоматов с адаптивным поведением представлена на рис. 3.

Третья глава посвящена разработке структуры и функций MAC вариантного проектирования конструкций.

Проводится обзор архитектур современных MAC и дается сравнительный анализ наиболее известных систем, таких как Agent Builder, Living Systems, Zeus и другие. Определяются требования к архитектуре MAC вариантного проектирования.

На основе разработанной в главе 2 модели ролей строится модель агентов и их взаимодействия. Вводится 3 типа агентов:

1) элементарный агент (А-Агент) или агент-исполнитель - он выполняет функции подбора параметров порученного ему элемента (группы элементов по унификации) конструкции;

2) агент-расчетчик (С-агент) - является агентным исполнением роли «МКЭ-расчет»;

3) управляющий агент (М-агент) - реализует функцию блока «Управления решением задачи», а также формирует оценку действий А-агентов в форме значений вознаграждений.

Модель взаимодействия агентов осуществляется в форме «доски объявлений», реализующей функцию общесистемного информационного пространства и памяти. Описываются протоколы взаимодействия агентов с «доской объявлений»: чтение, запись новой и модификация текущей информации.

Приводится описание сценариев решения задачи с помощью полученной модели агентов в процессе их взаимодействия.

Определяется общая архитектура MAC и агентов. В качестве архитектуры С- и М-агента выступает реактивная архитектура на базе логического правила (рис. 4):

JF( обновление _зпачений _параметров )THEN(программа _действий).

Рис. 3. Блок-схема оптимизации строительной конструкции по методу, основанному на системе автоматов с адаптивным поведением

Рис. 4. Абстрактная модель реактивного С- и М-агента

Для С-агента программой действий является проведение МКЭ-расчета конструкции по подобранным параметрам и публикация результатов на «доске объявлений». Программой М-агента выступает процедура последовательного выполнения действий: 1) выбора оптимального варианта конструкции на основе обновленных данных о значениях целевых функций и занесения в память параметров конструкции с наименьшим значением объема; 2) проверки условия окончания расчета; 3) публикации полученных значений целевых функций, системных вознаграждений и сигнала о продолжении выполнения расчетов. Для организации А-агента используется архитектура простого делиберативного агента, состоящая из 5 функциональных блоков, информационно связанных между собой: сенсоров, эффекторов, блока восприятия, памяти и процессора (рис. 5).

Рис. 5. Абстрактная модель делиберативного А-агента

В основу управления действиями агента в ответ на изменение состояния внешней среды положен автомат с адаптивным поведением.

Для всех рассмотренных типов агентов разрабатываются алгоритмы их основных блоков, а также математические модели протоколов взаимодействия.

В четвертой главе описана практика реализации и информационного обеспечения предложенной многоагентной системы вариантного проектирования стержневых конструкций и обозначены перспективные направления дальнейших исследований.

Рассматриваются три основных класса программных средств, применяемые для реализации агентов: языки программирования, библиотеки разработки агентов, среды разработки агентов. На основе проведенного анализа в качестве основного программного средства разработки многоагентной системы вариантного проектирования стержневых конструкций была принята система Prometheus Design Tool (рис.6) и система MatLab 12 для первичной верификации разработанного метода проектирования оптимальных конструкций.

V' , I < Palette

f

| Components Cb MOTE J. Actor Agent LZ> Acton Of.cv" 1 ^H^ Protocol

i IZ]Data | Message

f EJE Percept [ ®Sttnari0

1 d>G02l | Relationships | ^PDTConnection

I

I Analysis Overview Scenario Overview Coal Overview System Roe Overview Cata Coupling Overview Agent Rote G'oupino

Рис. 6. Схема взаимосвязей агентов в программе Prometheus Design Tool

I !""if I

ш^-пк

Построенная многоагентная система была протестирована с помощью специальных тестовых примеров по оптимизации конструкции и показала хорошие результаты в созданной программе (рис. 7).

Рис. 7. Вид интерфейса МАО - вариантного проектирования

Как видно из примера (рис.7), система поиска решения работает по гомеостатическому принципу, адаптируя свое поведение под динамику изменений внешней среды (напряженно-деформированного состояния конструкции): получая штраф/поощрение за свои действия она пересчитывает ценности последних, что, в свою очередь, изменяет значения в стохастических матрицах переходов автоматов поиска. Таким образом, у невыгодных действий вероятность их выбора уменьшается, а у выгодных, приводящих к достижению результата, увеличивается. Кроме того, действующая внутри АА-агента, мотивационная система управления поведением позволяет поддерживать состояние, при котором соблюдается условие удовлетворения всем ограничениям задачи, т.е. не дает поисковому алгоритму выйти из зоны допустимых значений, а в случае выхода возвращает его обратно. В процессе поиска используются четыре стратегии изменения переменной проектирования: увеличение или уменьшение значения на определенный шаг (Ь=а), отсутствие изменения (Ь=0) (или стохастическая рассинхронизация)и выбор случайного шага поиска (1г=£). Последняя не дает алгоритму закливаться в зоне локальных минимумов и позволяет реализовать глобальный поиск.

Перспективные исследования могут быть посвящены применению разработанных методов и моделей для решения задачи автоматизации вариантного проектирования пространственных конструкции в условиях статической и динамической постановки задачи, а также для внедрения разработанных моделей в существующие системы расчета строительных конструкций («легкие» САПР).

ОСНОВНЫЕ ВЫВОДЫ И ПРЕДЛОЖЕНИЯ

1. Произведенный анализ научных и практических работ в области вариантного и оптимального проектирования и средств их автоматизации выявил необходимость в разработке методов, моделей и алгоритмов, основанных на агентно-ориентированном подходе и многоагентных системах, для повышения эффективности вариантного проектирования конструкций.

2. В рамках многоагентного подхода был преобразован процесс вариантного проектирования в форму модели ролей многоагентной системы, на основе которой создана общая модель MAC вариантного проектирования конструкций.

3. Для реализации параллельных вычислений в блоке, отвечающем за оптимизацию и подбор значений регулируемых параметров, был введен метод оптимизации на базе системы автоматов с адаптивным поведением (АА-автоматов). Данный метод позволяет рассматривать процедуру поиска решения задачи как процесс целенаправленного поведения коллектива автоматов по управлению значениями параметров проектирования. Благодаря преобразованию условной задачи поиска в форму двухкритериальной оказалось возможным создать систему управления поведением АА-автомата на базе системы мотиваций и реализовать таким образом гомеостатический принцип управления системой.

4. На базе созданной модели ролей была разработана модель многоагентной системы вариантного проектирования, а также модели составляющих ее агентов. Данная модель содержит в себе агенты разных типов. Каждый тип агентов решает определенный класс задач. Для обмена сообщениями используется модель взаимодействия агентов под названием «доска объявлений».

5. Предложена многоуровневая архитектура многоагентной системы (MAC) вариантного проектирования конструкций и архитектуры составляющих ее агентов.

6. На основе предложенных архитектур разработаны алгоритмы основных функциональных блоков системы и агентов.

7. Результаты исследования апробированы, опубликованы и внедрены в практику вариантного проектирования конструкций.

8. Сформулированы перспективные направления дальнейшего развития исследований в области автоматизации вариантного проектирования строительных конструкций.

Основные положения диссертации опубликованы в следующих работах:

1. Козырева, В.В. Модель агента с адаптивным поведением для автоматизации вариантного проектирования стержневых конструкций [Текст] // Сб. тез. Междунар. науч. конф. «Интеграция, партнерство и инновации в строительной науке и образовании». - М.: МГСУ, 2013. - 0,25 п.л.

2. 'Козырева, В.В., Волков, A.A. Модель многоагентной системы для автоматизации вариантного проектирования стержневых конструкций [Текст] // Вестник МГСУ. - 2013. - №10. - 0, 5 п.л. (в соавторстве, авторский вклад - 0,25 п.л.).

3. * Козырева, В.В., Волков, A.A. Модель агента с адаптивным поведением для решения задачи вариантного проектирования строительных конструкций [Текст] // Вестник МГСУ. - 2013. - №11. - 0,5 п.л. (в соавторстве, авторский вклад - 0,25 п.л.).

4. * Волков A.A., Козырева В.В, Модель принятия решений в процессе оптимизации конструкций с помощью методов адаптации и теории агентов [Текст] // Научное обозрение. - 2013. - №9. - 0,5 п.л. (в соавторстве, авторский вклад - 0,25 п.л.).

5. Козырева, В.В. Нейросетевой подход к вариантному проектированию плоских металлических рам [Текст] // Сб. докл. науч.-практ. конф., посвященной 100-летию со дня рождения профессора Е.И. Белени «Расчет и проектирование металлических конструкций» / Под ред. А.Р. Туснина. - М.: МГСУ, 2013.-0,5 п.л.

6. Ignatov, V., Kozyreva, V., 2012. About cognition of reality of construction object's action with negative influence on it. In Abstract Volume, 14th International Conference on Computing in Civil and Building Engineering (14th ICCCBE), V. Telichenko, A. Volkov and I. Bilchuk (Editors), Moscow 27-29 June, Moscow State University of Civil Engineering (National Research University), Publishing House "ASV", ISBN 978-5-93093-877-7. - 0,5 п.л. (в соавторстве, авторский вклад -0,25 п.л.).

- 3 работы, опубликованных в научных изданиях, входящих в действующий перечень ВАК Минобрнауки России.

Лицензия ЛР №020675 от 09.12.1997 г.

ФГБОУ ВПО «Московский государственный строительный университет»_

Подписано в печать: 07.11.2013. Формат: 60x84 1/16 Печать: XEROX

Объем: 1,0 п.л._ Тираж: 100__Заказ №: б/н

129337, г. Москва, Ярославское ш., 26, ФГБОУ ВПО «МГСУ»